大概六周前走完了 Canva 的 DS 面试 loop，岗位是产品分析方向的 DS。关于 Canva 的 DS 流程资料不多，所以分享下我看到的。
总轮次。 phone screen 后还有四轮：SQL/technical screen、case study、behavioral、以及最后一轮 stakeholder。
SQL 轮（45 分钟）。 比我预期难。两道题。第一道是标准的聚合 + 窗口函数（running totals、按组 rank）。第二道更复杂，是多步分析：给一张用户活动表，找出符合某种留存模式的用户，然后在这些用户上算一个指标。需要 subquery，还要非常小心 join 逻辑。如果你对窗口函数和 CTE 不够熟，先把这个补起来。
Case study（60 分钟）。 给了一个产品分析 case：某个 Canva 功能的 engagement 在过去 30 天下降了 15%。让你讲你会怎么查。这个是结构化产品 sense + analytics，不是 ML。
我讲的是：先做数据校验（下降是真的还是埋点/追踪 bug），再做分群（哪些用户、哪些平台、哪些地区），再做漏斗分析，再做假设生成。面试官会追问：你想要但拿不到哪些数据；有些数据采集需要时间时，你会怎么给排查定优先级。
Stats 问题。 它们出现在 case study 里，不是单独一轮。我被问到怎么验证这次下降是否统计显著，以及一个追问：在一个已经在下滑的功能上跑 A/B test，会有什么风险。
我没遇到的内容。 完全没有 ML 建模题。没有 Python coding。这就是产品分析岗位，面试内容也匹配。如果你投的是 ML 或 applied science，流程大概率不一样。
最重要的点。 压力下的结构化思考。SQL 题可以学，case study 才是区分只会写 query 的人和真正会做分析的人。